[发明专利]一种基于机器视觉的螺钉定位与识别方法有效

专利信息
申请号: 201911412708.7 申请日: 2019-12-31
公开(公告)号: CN111062940B 公开(公告)日: 2022-05-20
发明(设计)人: 陈天星;李响;冯芳 申请(专利权)人: 西南交通大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/13;G06T7/181;G06T7/62;G06T7/80;G06T5/00;G06T5/30;G01B11/00;G01B11/24
代理公司: 北京正华智诚专利代理事务所(普通合伙) 11870 代理人: 陈航
地址: 610031*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 机器 视觉 螺钉 定位 识别 方法
【说明书】:

发明公开了一种基于机器视觉的螺钉定位与识别方法,其包括以下步骤:S1、获取目标区域的图像数据并对其进行预处理,得到第一图像数据;S2、获取螺钉圆心的粗略坐标;S3、采集螺钉圆心粗略坐标位置处的图像并对其进行预处理,得到第二图像数据;S4、分别对第二图像采用霍夫变换和最小二乘法获取螺钉的圆心坐标,并将两个坐标进行算术平均,得到螺钉圆心的精确坐标,完成螺钉定位;S5、获取螺钉头部图像数据;S6、获取螺钉头部形状特点数据;S7、将螺钉头部形状特点数据与现有螺钉的头部形状特点数据进行匹配,将匹配结果最好的螺钉作为该螺钉的识别结果,完成螺钉识别。本方法可以自动定位并识别螺钉。

技术领域

本发明涉及机器视觉识别领域,具体涉及一种基于机器视觉的螺钉定位与识别方法。

背景技术

近年来,随着计算机信息技术的快速发展,我国的智能制造技术水平也在不断提高,工业制造行业对生产效率的要求也不断提升,对于传统的人工拆装零件过程,其低效率的方式越来越无法满足现代工业的生产需求,而工业机器人的应用能够极大地提高生产效率。因此在如今的智能加工过程中,普遍采用流水线进行产品加工与零部件拆装,在生产过程中通过工业机器人代替工人手工操作的方式,提高了流水线加工的作业速度,同时减少人工操作所产生的误差,满足加工精度要求。通过在流水线生产过程中加入拆装机器人,结合机器视觉相关技术,能够大大提高生产效率并降低工厂成本。

在传统的工业生产过程中,零部件装配过程通常占总生产时间和总制造成本的较大比例,装配操作大约占总生产时间的50%和总生产成本的25%。其中螺纹紧固是工业装配中最常用的方法之一,常见的工业生产产品中,螺纹装配大约占总典型装配任务的25%至35%。鉴于螺纹零件的普遍性,在产品后期的维护与维修过程中,螺纹零件拆卸是一个有吸引力的自动化目标。随着我国制造业的不断发展,由于拆卸工作本身具有复杂性以及多样性的特点,在自动拆卸过程中对识别技术的要求不断的提高,尤其是识别效率和识别精度,传统的识别方法己经无法满足目前大批量的生产需求。

发明内容

针对现有技术中的上述不足,本发明提供的一种基于机器视觉的螺钉定位与识别方法可以自动定位并识别螺钉。

为了达到上述发明目的,本发明采用的技术方案为:

提供一种基于机器视觉的螺钉定位与识别方法,其包括以下步骤:

S1、获取目标区域的图像数据并对其进行预处理,得到第一图像数据;

S2、对第一图像数据进行霍夫变换,获取螺钉圆心的粗略坐标;

S3、采集螺钉圆心粗略坐标位置处的图像并对其进行预处理,得到第二图像数据;

S4、分别对第二图像采用霍夫变换和最小二乘法获取螺钉的圆心坐标,并将两个坐标进行算术平均,得到螺钉圆心的精确坐标,完成螺钉定位;

S5、获取螺钉的半径值,并根据螺钉圆心的精确坐标和半径值获取螺钉头部图像数据;

S6、获取螺钉头部图像数据的头部边缘数据,并对其进行形态学处理和填充处理,得到螺钉头部形状特点数据;

S7、将螺钉头部形状特点数据与现有螺钉的头部形状特点数据进行匹配,将匹配结果最好的螺钉作为该螺钉的识别结果,完成螺钉识别。

进一步地,步骤S1的具体方法包括以下子步骤:

S1-1、采用工业相机获取目标区域的图像数据并对其进行高斯滤波,得到高斯滤波后的图像;

S1-2、对高斯滤波后的图像进行边缘图像分割,并采用Canny边缘检测算法进行边缘提取,得到第一图像数据。

进一步地,步骤S3的具体方法包括以下子步骤:

S3-1、以螺钉圆心的粗略坐标为中心,拉近摄像头并采集螺钉圆心粗略坐标处的图像;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南交通大学,未经西南交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911412708.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top